3D hand pose estimation from single depth image

• 作者：彭昊
• 邮箱：[email protected]

运行环境

• 系统：Win10/Ubuntu 16.04
• 深度学习库：tensorflow 1.6
• python：3.5
• 其他python库：使用anaconda安装
• 其中openni2在win10下的使用可以参考本文博客教程：Win10安装OpenNI2并通过python接口调用Kinect

使用说明

• 数据集是MSRA15 Hands手势数据集，需要放置在data/MSRA/文件夹下，下载链接：MSRA
• src/config.py 包含网络训练和测试的配置以及各项超参数
• src/run_testing.py用于手势识别网络的测试
• src/run_training.py用于手势识别网络的训练
• src/test_runtimepipiline.py用于调用kinect摄像头实时识别手势

两种网络结构

一共有两个手势识别网络结构：CPM_Hands和Res_Encoder_Hands,分别在src/model/文件夹的两个py文件中

测试集测试结果

• 其中MSRA数据集P1-P8为训练集，P0为测试集
• Res_Encoder_Hands测试及手指关节点误差为7.5mm
• CPM_Hands测试集上手指关节点平均误差仅为6.8mm ！！

参考文献

1. DeepPrior++ （本项目部分代码参考此project）
2. CPM （本项目部分结构参考此project）

最后

• 需要预训练好的模型或者对本项目由疑惑可以联系本人。
• 本项目在未经本人同意情况下，仅用于非商业用途！！！